Spaces:

Ntdeseb
/

ntia

Running

ntia / check_zero_gpu_config.py

Fix ZeroGPU Plan Pro configuration - Change from gpu.t4.micro to gpu.h200.micro - Add verification functions for H200 detection - Add configuration documentation and scripts - Fix GPU task aborted errors by using Plan Pro

251bbbc about 1 year ago

Raw History Blame Contribute Delete

3.89 kB

#!/usr/bin/env python3
"""
Script para verificar la configuración de ZeroGPU en el Space NTIA
"""

import os
import torch

def check_zero_gpu_config():
    """Verificar la configuración de ZeroGPU"""
    print("🔍 Verificando configuración de ZeroGPU...")
    print("=" * 60)
    
    # 1. Verificar variables de entorno
    print("📋 Variables de entorno:")
    print(f"   SPACES_GPU_TIMEOUT: {os.getenv('SPACES_GPU_TIMEOUT', 'No configurado')}")
    print(f"   SPACES_GPU_MEMORY: {os.getenv('SPACES_GPU_MEMORY', 'No configurado')}")
    print(f"   HF_TOKEN: {'Configurado' if os.getenv('HF_TOKEN') else 'No configurado'}")
    
    # 2. Verificar GPU
    print("\n🎮 Información de GPU:")
    if torch.cuda.is_available():
        print(f"   ✅ CUDA disponible: {torch.cuda.is_available()}")
        print(f"   🎮 GPU: {torch.cuda.get_device_name(0)}")
        print(f"   💾 Memoria total: {torch.cuda.get_device_properties(0).total_memory / 1024**3:.1f} GB")
        print(f"   🔥 Capacidad CUDA: {torch.cuda.get_device_capability()}")
        
        # Verificar si es H200 (Plan Pro)
        gpu_name = torch.cuda.get_device_name(0)
        if "H200" in gpu_name:
            print("   ✅ ZeroGPU H200 detectado - Plan Pro activo")
        else:
            print(f"   ⚠️ GPU detectada: {gpu_name}")
            print("   💡 Considera actualizar al plan Pro")
    else:
        print("   ❌ CUDA no disponible")
    
    # 3. Verificar configuración de spaces (simulado)
    print("\n🔧 Configuración de Spaces:")
    print("   📊 Decoradores configurados:")
    print("      - @spaces.GPU(compute_unit='gpu.h200.micro', timeout=30)")
    print("      - @spaces.GPU(compute_unit='gpu.h200.micro', timeout=60)")
    
    # 4. Verificar optimizaciones
    print("\n⚡ Optimizaciones CUDA:")
    print(f"   🔧 torch.backends.cudnn.benchmark: {torch.backends.cudnn.benchmark}")
    print(f"   🔧 torch.backends.cuda.matmul.allow_tf32: {torch.backends.cuda.matmul.allow_tf32}")
    print(f"   🔧 torch.backends.cudnn.allow_tf32: {torch.backends.cudnn.allow_tf32}")
    
    # 5. Verificar tipo de datos
    print("\n📊 Configuración de tipos de datos:")
    if torch.cuda.is_available():
        torch_dtype = torch.float16
        print("   ⚡ Usando torch.float16 para H200")
    else:
        torch_dtype = torch.float32
        print("   🐌 Usando torch.float32 para CPU")
    
    # 6. Recomendaciones
    print("\n💡 Recomendaciones:")
    if torch.cuda.is_available():
        gpu_name = torch.cuda.get_device_name(0)
        if "H200" in gpu_name:
            print("   ✅ Configuración correcta para Plan Pro")
            print("   🚀 El Space está usando ZeroGPU H200")
        else:
            print("   ⚠️ Considera actualizar al plan Pro")
            print("   💡 Plan Pro incluye H200 con 25 minutos/día")
    else:
        print("   ❌ No se detectó GPU")
        print("   💡 Verifica la configuración del Space")
    
    # 7. Verificar archivo app.py
    print("\n📁 Verificación de archivo app.py:")
    try:
        with open('app.py', 'r', encoding='utf-8') as f:
            content = f.read()
            
        # Verificar decoradores
        if "gpu.h200.micro" in content:
            print("   ✅ Decoradores H200 configurados correctamente")
        else:
            print("   ❌ Decoradores H200 no encontrados")
            
        # Verificar configuración de ZeroGPU
        if "ZeroGPU H200 detectado" in content:
            print("   ✅ Configuración H200 detectada")
        else:
            print("   ⚠️ Configuración H200 no encontrada")
            
    except FileNotFoundError:
        print("   ❌ Archivo app.py no encontrado")
    
    print("\n" + "=" * 60)
    print("✅ Verificación completada")

if __name__ == "__main__":
    check_zero_gpu_config() 

	#!/usr/bin/env python3
	"""
	Script para verificar la configuración de ZeroGPU en el Space NTIA
	"""

	import os
	import torch

	def check_zero_gpu_config():
	"""Verificar la configuración de ZeroGPU"""
	print("🔍 Verificando configuración de ZeroGPU...")
	print("=" * 60)

	# 1. Verificar variables de entorno
	print("📋 Variables de entorno:")
	print(f" SPACES_GPU_TIMEOUT: {os.getenv('SPACES_GPU_TIMEOUT', 'No configurado')}")
	print(f" SPACES_GPU_MEMORY: {os.getenv('SPACES_GPU_MEMORY', 'No configurado')}")
	print(f" HF_TOKEN: {'Configurado' if os.getenv('HF_TOKEN') else 'No configurado'}")

	# 2. Verificar GPU
	print("\n🎮 Información de GPU:")
	if torch.cuda.is_available():
	print(f" ✅ CUDA disponible: {torch.cuda.is_available()}")
	print(f" 🎮 GPU: {torch.cuda.get_device_name(0)}")
	print(f" 💾 Memoria total: {torch.cuda.get_device_properties(0).total_memory / 1024**3:.1f} GB")
	print(f" 🔥 Capacidad CUDA: {torch.cuda.get_device_capability()}")

	# Verificar si es H200 (Plan Pro)
	gpu_name = torch.cuda.get_device_name(0)
	if "H200" in gpu_name:
	print(" ✅ ZeroGPU H200 detectado - Plan Pro activo")
	else:
	print(f" ⚠️ GPU detectada: {gpu_name}")
	print(" 💡 Considera actualizar al plan Pro")
	else:
	print(" ❌ CUDA no disponible")

	# 3. Verificar configuración de spaces (simulado)
	print("\n🔧 Configuración de Spaces:")
	print(" 📊 Decoradores configurados:")
	print(" - @spaces.GPU(compute_unit='gpu.h200.micro', timeout=30)")
	print(" - @spaces.GPU(compute_unit='gpu.h200.micro', timeout=60)")

	# 4. Verificar optimizaciones
	print("\n⚡ Optimizaciones CUDA:")
	print(f" 🔧 torch.backends.cudnn.benchmark: {torch.backends.cudnn.benchmark}")
	print(f" 🔧 torch.backends.cuda.matmul.allow_tf32: {torch.backends.cuda.matmul.allow_tf32}")
	print(f" 🔧 torch.backends.cudnn.allow_tf32: {torch.backends.cudnn.allow_tf32}")

	# 5. Verificar tipo de datos
	print("\n📊 Configuración de tipos de datos:")
	if torch.cuda.is_available():
	torch_dtype = torch.float16
	print(" ⚡ Usando torch.float16 para H200")
	else:
	torch_dtype = torch.float32
	print(" 🐌 Usando torch.float32 para CPU")

	# 6. Recomendaciones
	print("\n💡 Recomendaciones:")
	if torch.cuda.is_available():
	gpu_name = torch.cuda.get_device_name(0)
	if "H200" in gpu_name:
	print(" ✅ Configuración correcta para Plan Pro")
	print(" 🚀 El Space está usando ZeroGPU H200")
	else:
	print(" ⚠️ Considera actualizar al plan Pro")
	print(" 💡 Plan Pro incluye H200 con 25 minutos/día")
	else:
	print(" ❌ No se detectó GPU")
	print(" 💡 Verifica la configuración del Space")

	# 7. Verificar archivo app.py
	print("\n📁 Verificación de archivo app.py:")
	try:
	with open('app.py', 'r', encoding='utf-8') as f:
	content = f.read()

	# Verificar decoradores
	if "gpu.h200.micro" in content:
	print(" ✅ Decoradores H200 configurados correctamente")
	else:
	print(" ❌ Decoradores H200 no encontrados")

	# Verificar configuración de ZeroGPU
	if "ZeroGPU H200 detectado" in content:
	print(" ✅ Configuración H200 detectada")
	else:
	print(" ⚠️ Configuración H200 no encontrada")

	except FileNotFoundError:
	print(" ❌ Archivo app.py no encontrado")

	print("\n" + "=" * 60)
	print("✅ Verificación completada")

	if __name__ == "__main__":
	check_zero_gpu_config()